Microsoft Naive Bayes 算法技术参考

Microsoft Naive Bayes 算法是 Microsoft SQL Server Analysis Services提供的用于预测建模的分类算法。该算法计算输入列与可预测列之间的条件概率，并假定列相互独立。由于此独立性假设，所以取名为 Naive Bayes。

Microsoft Naive Bayes 算法的实现

此算法的计算强度低于其他 Microsoft 算法，因此可用于快速生成挖掘模型，以发现输入列与可预测列之间的关系。此算法会考虑每对输入属性值和输出属性值。

有关贝叶斯定理的数学性质的说明不属于本文档的讨论范围；有关详细信息，请参阅 Microsoft Research 文章，标题为： Learning Bayesian Networks: The Combination of Knowledge and Statistical Data（了解 Bayesian 网络：知识和统计数据的组合）。

有关如何调整所有模型中的概率以考虑潜在缺失值的说明，请参阅缺失值 (Analysis Services - 数据挖掘) 。

Microsoft Naive Bayes 算法执行自动特征选择，以限制生成模型时考虑的值数。有关详细信息，请参阅功能选择 (数据挖掘) 。

算法	分析方法	注释
Naive Bayes	Shannon 平均信息量 Bayesian with K2 Prior 使用统一先验的 Bayesian Dirichlet（默认）	Naive Bayes 仅接受离散或离散化的属性，因此它不能使用兴趣性分数。

该算法的设计目的是最小化处理时间，并高效地选择最为重要的属性；但您可以通过设置下面的参数来控制其所用的数据：

Microsoft Naive Bayes 算法支持多个参数，这些参数会影响生成的挖掘模型的行为、性能和准确性。您还可以对模型列设置建模标志来控制数据的处理方式，或者对挖掘结构设置标志来指定如何处理缺失值或 Null 值。

Microsoft Naive Bayes 算法支持多个参数，这些参数会影响生成的挖掘模型的性能和准确性。下表对各参数进行了说明：

MAXIMUM_INPUT_ATTRIBUTES
指定算法在调用功能选择之前可以处理的最大输入属性数。如果将此值设置为 0，则为输入属性禁用功能选择。

默认值为 255。

MAXIMUM_OUTPUT_ATTRIBUTES
指定算法在调用功能选择之前可以处理的最大输出属性数。如果将此值设置为 0，则为输出属性禁用功能选择。

默认值为 255。

MINIMUM_DEPENDENCY_PROBABILITY
指定输入属性和输出属性之间的最小依赖关系概率。该值用于限制算法生成的内容大小。此属性可以设置为 0 到 1 之间的值。较大的值减少模型内容中的特性数。

默认值为 0.5。

MAXIMUM_STATES
指定算法支持的最大属性状态数。如果属性具有的状态数大于最大状态数，则算法将使用特性的最常见状态，并将剩余状态视为缺失状态。

默认值为 100。

Microsoft 决策树算法支持以下建模标志。创建挖掘结构或挖掘模型时，定义建模标志以指定分析期间如何处理每列中的值。有关详细信息，请参阅将数据挖掘) (标志建模。

建模标志	说明
MODEL_EXISTENCE_ONLY	表示该列将被视为具有两个可能状态：Missing 和 Existing。 Null 表示缺失值。适用于挖掘模型列。
NOT NULL	指示该列不能包含 Null。如果 Analysis Services 在模型定型过程中遇到 Null 值，将会导致错误。适用于挖掘结构列。

一个 Naive Bayes 树模型必须包含一个键列、至少一个可预测列和至少一个输入列。所有属性均不能为连续属性；如果数据包含连续数值数据，则将会被忽略或离散化。

Microsoft Naive Bayes 算法支持下表中列出的特定输入列和可预测列。有关在挖掘模型中使用内容类型的含义的详细信息，请参阅内容类型 (数据挖掘) 。

列	内容类型
输入属性	Cyclical、Discrete、Discretized、Key、Table 和 Ordered
可预测属性	Cyclical、Discrete、Discretized、Table 和 Ordered

注意

支持 Cyclical 和 Ordered 内容类型，但算法会将它们视为离散值，不会进行特殊处理。